首先，下载所需要的库

1 ：pdfminer   安装库命令： 

pip install pdfminer3k

2:  docx     安装库命令：

pip install python_docx

开始正餐：

（注意：pdf中非图片构成的部分才能被成功转换）

1#-*- coding: UTF-8 -*-   2#!/usr/bin/python  3# -*- coding: utf-8 -*-  4  5import sys  6import importlib  7importlib.reload(sys)  8  9from pdfminer.pdfparser import PDFParser,PDFDocument 10from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter 11from pdfminer.converter import PDFPageAggregator 12from pdfminer.layout import * 13from pdfminer.pdfinterp import PDFTextExtractionNotAllowed 14import os 15 16#设置工作目录文件夹 17os.chdir(r'c:/users/dicey/desktop/codes/pdf-docx') 18 19''' 20解析pdf文件，获取文件中包含的各种对象 21''' 22# 解析pdf文件函数 23def parse(pdf_path): 24    fp = open('diya.pdf', 'rb')  # 以二进制读模式打开 25    # 用文件对象来创建一个pdf文档分析器 26    parser = PDFParser(fp) 27    # 创建一个PDF文档 28    doc = PDFDocument() 29    # 连接分析器 与文档对象 30    parser.set_document(doc) 31    doc.set_parser(parser) 32 33    # 提供初始化密码 34    # 如果没有密码 就创建一个空的字符串 35    doc.initialize() 36 37    # 检测文档是否提供txt转换，不提供就忽略 38    if not doc.is_extractable: 39        raise PDFTextExtractionNotAllowed 40    else: 41        # 创建PDf 资源管理器 来管理共享资源 42        rsrcmgr = PDFResourceManager() 43        # 创建一个PDF设备对象 44        laparams = LAParams() 45        device = PDFPageAggregator(rsrcmgr, laparams=laparams) 46        # 创建一个PDF解释器对象 47        interpreter = PDFPageInterpreter(rsrcmgr, device) 48 49        # 用来计数页面，图片，曲线，figure，水平文本框等对象的数量 50        num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0 51 52        # 循环遍历列表，每次处理一个page的内容 53        for page in doc.get_pages(): # doc.get_pages() 获取page列表 54            num_page += 1  # 页面增一 55            interpreter.process_page(page) 56            # 接受该页面的LTPage对象 57            layout = device.get_result() 58            for x in layout: 59                if isinstance(x,LTImage):  # 图片对象 60                    num_image += 1 61                if isinstance(x,LTCurve):  # 曲线对象 62                    num_curve += 1 63                if isinstance(x,LTFigure):  # figure对象 64                    num_figure += 1 65                if isinstance(x, LTTextBoxHorizontal):  # 获取文本内容 66                    num_TextBoxHorizontal += 1  # 水平文本框对象增一 67                    # 保存文本内容 68                    with open(r'test2.doc', 'a',encoding='utf-8') as f:    #生成doc文件的文件名及路径 69                        results = x.get_text() 70                        f.write(results) 71                        f.write('\n') 72        print('对象数量：\n','页面数：%s\n'%num_page,'图片数：%s\n'%num_image,'曲线数：%s\n'%num_curve,'水平文本框：%s\n' 73              %num_TextBoxHorizontal) 74 75 76if __name__ == '__main__': 77    pdf_path = r'diya.pdf'  #pdf文件路径及文件名 78    parse(pdf_path)